論文の概要: Improving Generalization in Task-oriented Dialogues with Workflows and Action Plans

• arxiv url: http://arxiv.org/abs/2306.01729v1
• Date: Fri, 2 Jun 2023 17:54:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-05 13:43:15.937203
• Title: Improving Generalization in Task-oriented Dialogues with Workflows and Action Plans
• Title（参考訳）: ワークフローとアクションプランを用いたタスク指向対話の一般化
• Authors: Stefania Raimondo, Christopher Pal, Xiaotian Liu, David Vazquez, Hector Palacios
• Abstract要約: タスク指向の対話は、ユーザ意図を理解し、ユーザから情報を収集し、API呼び出しを実行し、流動的な応答を生成するため、部分的には難しい。 本研究では,多段階のタスク指向対話エージェントを作成するために,大規模な事前学習言語モデルをエンドツーエンドに微調整できることを示す。 実験により,本手法はトレーニング中に見つからない新しいマルチステップタスクを確実に実行できないことを確認した。
• 参考スコア（独自算出の注目度）: 1.0499611180329804
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Task-oriented dialogue is difficult in part because it involves understanding user intent, collecting information from the user, executing API calls, and generating helpful and fluent responses. However, for complex tasks one must also correctly do all of these things over multiple steps, and in a specific order. While large pre-trained language models can be fine-tuned end-to-end to create multi-step task-oriented dialogue agents that generate fluent text, our experiments confirm that this approach alone cannot reliably perform new multi-step tasks that are unseen during training. To address these limitations, we augment the dialogue contexts given to \textmd{text2text} transformers with known \textit{valid workflow names} and \textit{action plans}. Action plans consist of sequences of actions required to accomplish a task, and are encoded as simple sequences of keywords (e.g. verify-identity, pull-up-account, reset-password, etc.). We perform extensive experiments on the Action-Based Conversations Dataset (ABCD) with T5-small, base and large models, and show that such models: a) are able to more readily generalize to unseen workflows by following the provided plan, and b) are able to generalize to executing unseen actions if they are provided in the plan. In contrast, models are unable to fully accomplish new multi-step tasks when they are not provided action plan information, even when given new valid workflow names.
• Abstract（参考訳）: タスク指向の対話は、ユーザ意図の理解、ユーザからの情報収集、API呼び出しの実行、有用で流動的な応答の生成など、部分的には難しい。 しかし、複雑なタスクの場合、これらすべてを複数のステップ、特定の順序で正しく行う必要があります。 大規模事前学習された言語モデルでは,多段階のタスク指向の対話エージェントが作成できるが,本手法では,学習中に見いだされない新たな多段階タスクが確実に実行できないことが確認できた。 これらの制限に対処するため、既知の \textit{valid workflow name} と \textit{action plans} で \textmd{text2text} transformer に与えられる対話コンテキストを拡大する。 アクションプランは、タスクを達成するために必要なアクションのシーケンスで構成され、単純なキーワードのシーケンス(例えば、バリデーションID、プルアップアカウント、リセットパスワードなど)としてエンコードされる。 我々は, ABCD(Action-Based Conversations Dataset)において, T5-small, base, large model を用いて広範な実験を行い, そのモデルを示す。 a) 提供された計画に従うことにより、より容易に見つからないワークフローに一般化することができる b) 計画に記載されている場合,不審な行為の実行を一般化することができる。 対照的に、新しいワークフロー名が与えられた場合でも、アクションプラン情報を提供していない場合、モデルは、新しいマルチステップタスクを完全に達成できない。

関連論文リスト

• Context-dependent Instruction Tuning for Dialogue Response Generation [61.21790201307179]
  最近の言語モデルは、微調整中にタスク入力に命令を組み込むことで、自然言語計算タスクにおいて顕著なパフォーマンスを実現している。 マルチターン対話のためのコンテキストベース命令微調整フレームワークを提案する。 評価中、モデルは以前の文脈に基づいて指示を生成し、応答を自己導出する。
  論文  参考訳（メタデータ） (2023-11-13T01:25:30Z)
• Interactive Task Planning with Language Models [97.86399877812923]
  対話型ロボットフレームワークは、長期のタスクプランニングを達成し、実行中であっても、新しい目標や異なるタスクに容易に一般化することができる。 最近の大規模言語モデルに基づくアプローチは、よりオープンな計画を可能にするが、多くの場合、重いプロンプトエンジニアリングやドメイン固有の事前訓練されたモデルを必要とする。 本稿では,言語モデルを用いた対話型タスクプランニングを実現するためのシンプルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-16T17:59:12Z)
• DiactTOD: Learning Generalizable Latent Dialogue Acts for Controllable Task-Oriented Dialogue Systems [15.087619144902776]
  本稿では,潜在空間における対話行動を表現する対話行動モデル(DiactTOD)を提案する。 大規模なコーパスで事前トレーニングを行うと、DiactTODは対話を予測し制御し、制御可能な応答を生成する。
  論文  参考訳（メタデータ） (2023-08-01T23:29:16Z)
• Leveraging Explicit Procedural Instructions for Data-Efficient Action Prediction [5.448684866061922]
  タスク指向の対話は、しばしばエージェントがユーザ要求を満たすために複雑で多段階の手順を実行する必要がある。 大規模言語モデルは、制約のある環境でこれらの対話を自動化することに成功したが、その広範な展開は、トレーニングに必要なタスク固有の大量のデータによって制限されている。 本稿では,エージェントガイドラインから導出した明示的な指示を利用して対話システムを構築するための,データ効率のよいソリューションを提案する。
  論文  参考訳（メタデータ） (2023-06-06T18:42:08Z)
• Decomposed Prompting: A Modular Approach for Solving Complex Tasks [55.42850359286304]
  本稿では,より単純なサブタスクに分解することで,複雑なタスクを解くための分解プロンプトを提案する。 このモジュール構造は、各プロンプトを特定のサブタスクに最適化することを可能にする。 Decomposed Promptingの柔軟性とモジュラリティは、数発のプロンプトで先行作業より優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-05T17:28:20Z)
• Improving Task Generalization via Unified Schema Prompt [87.31158568180514]
  Unified Promptはフレキシブルでプロンプトの手法で、タスク入力スキーマに従って各タスクの学習可能なプロンプトを自動的にカスタマイズする。 異なるタスクスキーマの特徴を維持しながら、タスク間の共有知識をモデル化する。 このフレームワークは、8つのタスクタイプから下流に見えない16のタスクに対して、強力なゼロショットと少数ショットのパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-08-05T15:26:36Z)
• Workflow Discovery from Dialogues in the Low Data Regime [13.14503978966984]
  本研究では,Action Based Conversationsデータセットの対話を条件付きで要約する実験を行う。 本稿では、許容可能なアクションステップのセットに基づいてモデルを記述するアプローチを提案し、評価する。 また、学習したモデルを全く新しいドメインに転送する場合、ゼロショットや少数ショットのWD性能も向上する。
  論文  参考訳（メタデータ） (2022-05-24T01:12:03Z)
• CINS: Comprehensive Instruction for Few-shot Learning in Task-oriented Dialog Systems [56.302581679816775]
  本稿では,タスク固有の命令でPLMを利用する包括的インストラクション(CINS)を提案する。 命令のスキーマ(定義、制約、プロンプト)と、ToDの3つの重要な下流タスクに対するカスタマイズされた実現を設計する。 これらのToDタスクに対して,小さな検証データを用いた現実的な数ショット学習シナリオで実験を行った。
  論文  参考訳（メタデータ） (2021-09-10T03:23:06Z)
• Task-Oriented Dialogue as Dataflow Synthesis [158.77123205487334]
  本稿では,対話状態がデータフローグラフとして表現されるタスク指向対話へのアプローチについて述べる。 対話エージェントは、各ユーザの発話を、このグラフを拡張するプログラムにマッピングする。 我々は、イベント、天気、場所、人々に関する複雑な対話を特徴とする、新しいデータセットであるSMCalFlowを紹介した。
  論文  参考訳（メタデータ） (2020-09-24T00:35:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。